如果对你有帮助,可以给卑微的博主留个赞、关注、收藏 (不是)
(骗一下数据,说不定以后面试就过了,拜谢)
操作系统基本调度算法,多级反馈队列调度算法。在划分时间片的调度算法中,多级反馈队列算法兼顾提高系统吞吐率和及减少进程饥饿。设置多个反馈队列,q1~qn ,q1的优先级最高,但是在q1队列中能运行的时间片最短。当进程到达时,进入q1,在反馈队列内部执行先来先服务原则。如果进程在时间片用完后 还没有执行完成,掉入下一级反馈队列q2(q2时间片会更长)。当q1队列为空时,开始调度q2的进程执行,以此类推。而当q1有新进程到达时,又回头调度q1的进程执行。这样短作业在前几个反馈队列就执行完了,长进程在到达前几个反馈队列时也会执行一段时间,防止饿死。
设置进程pcb结构,创建优先级不同的反馈队列,数量由用户输入, 创建完成队列和未到达队列 ,创建数组存储各反馈队列的时间片。
将作业按到达时间升序排序后,创建pcb后插入未到达队列。
开始调度进程执行。设置系统当前时间为0。
循环(进程还有未执行完毕)
{ 当前时间到达进程进入第一级队列。
从第一级队列开始查看直到找到待执行进程。
根据进程所在队列,得到此次运行时间片大小。
创建中间变量存放进程pcb,运行一个时间片后,如果有进程到达,
将所有到达的进程送入第 一级队列。
如果进程已执行完毕,送入完成队列,重新进行循环调度。
如果进程还没执行完且时间片用完,将进程送入下一级队列,
如果已经是最后一级则放队尾。
如果进程还没执行完且时间片没用完,且有进程到达,同时能够 被抢占,
那么将正在执行的进程放入本队列末尾,重新进行循环调度。
否则继续执行一个时间片。
}
代码如下
#define time_slice 1 //第一队列时间片长度
#define N 5 //进程数
#include<iostream>
#include <queue>
using namespace std;
int* Queue_time_slice = nullptr; //指向存放各反馈队列时间片数组的指针
struct pcb
{
char process_name[10]; //进程名字
int arrive_time; //到达时间
int service_time; //需要服务时间
int remain_time; //还差多少时间
int complete_time; //完成时间
char state; //进程状态
}PCB[N + 1]; //0号单元不存数据,直接用作交换
queue<pcb> Coming_queue; //还未到达队列
queue<pcb> Finish_queue; //已完成队列
queue<pcb>** Wait_queue = new (queue<pcb>*); //指向存放 各反馈队列的指针 的指针
//Wait_queue[0]为第一级反馈队列的指针
int Queue_Num; //反馈队列数量
void sort(int n)
{
int i, j;
for (i = 1; i < n; i++) //按到达时间升序
{
for (j = 1; j <= n - i; j++)
{
if (PCB[j].arrive_time > PCB[j + 1].arrive_time)
{
PCB[0] = PCB[j];
PCB[j] = PCB[j + 1];
PCB[j + 1] = PCB[0];
}
}
}
}
void init_wait_queue(const int queue_num,queue<pcb>** &wait_queue)
{
//创建各反馈队列,计算其时间片 1 2 4 8
Queue_time_slice = new int[queue_num];
for (int i = 0; i < queue_num; i++)
{
Queue_time_slice[i] = time_slice * pow(2,i);
wait_queue[i] = new queue<pcb>;
}
}
int input(int n)
{
int i;
cout << "请输入反馈队列级数: ";
cin >> Queue_Num;
cout << "\n请输入各进程的信息\n" << endl;
for (i = 1; i <= n; i++) //输入各进程信息,插入未到达队列
{
PCB[i].state = 'w';
cout << "------\n请输入第" << i << "进程名字: ";
cin >> PCB[i].process_name;
cout << "请输入到达时间: ";
cin >> PCB[i].arrive_time;
cout << "请输入服务时间: ";
cin >> PCB[i].service_time;
PCB[i].remain_time = PCB[i].service_time;
}
sort(n);
for (i = 1; i <= n; i++)
{
Coming_queue.push(PCB[i]);
}
init_wait_queue(Queue_Num,Wait_queue);
return 0;
}
bool accept_process(int current_time)
{
bool tag = false;
while (1)
{
if (Coming_queue.empty() == false && Coming_queue.front().arrive_time <= current_time)
{
Wait_queue[0]->push(Coming_queue.front());
Coming_queue.pop();
tag = true;
}
else break;
}
return tag;
}
void run()
{
bool over; //true表示进程都执行完
int current_time = Coming_queue.front().arrive_time; //系统当前时间
pcb temp; //存放要执行进程的pcb
int t; //存放时间片
int queue_serial; //要执行进程所在队列号,从1~Queue_Num
int count = 1; //调度次数
while (1)
{
int i;
over = true;
accept_process(current_time); //接收当前时间到达的进程
for (i = 0; i < Queue_Num; i++)
{
if (Wait_queue[i]->empty() == false)
{
over = false;
temp = Wait_queue[i]->front();
Wait_queue[i]->pop();
t = Queue_time_slice[i];
queue_serial = i + 1;
break;
}
}
if (Coming_queue.empty() == false)
over = false;
if (over == true)
break;
cout << "\n第" << count << "次调度进程: " << temp.process_name
<<" 时间 : " << current_time << endl;
while (1)
{
{ //运行一个时间片
t--;
current_time++;
temp.state = 'r';
temp.remain_time--;
}
if (temp.remain_time == 0) //进程执行完
{
temp.state = 'f';
temp.complete_time = current_time;
Finish_queue.push(temp);
break;
}
else if (t == 0) //进程还没执行完但是时间片用完
{
temp.state = 'w';
if (queue_serial == Queue_Num)
queue_serial--;
Wait_queue[queue_serial]->push(temp); //插入下一级反馈队列或者最后一级队尾
break;
}
//进程还没执行完,时间片还没用完
else
{ //可以被抢占,且有进程到达
if (queue_serial != 1 && true == accept_process(current_time))
{
temp.state = 'w';
Wait_queue[queue_serial - 1]->push(temp); //插入本级反馈队列
break;
}
}
}
count++;
}
}
void print()
{
int i = 0;
float round_time[N], //周转时间
force_round_time[N], //带权周转时间
sum = 0; //存放各进程的带权周转时间和
cout << "\n 进程 |" << "到达时间 |" << " 服务时间 |" << " 完成时间 |" << " 周转时间 |" << " 带权周转时间" << endl;
while (Finish_queue.empty() == false)
{
round_time[i] = Finish_queue.front().complete_time - Finish_queue.front().arrive_time;
force_round_time[i] = round_time[i] / Finish_queue.front().service_time;
cout << Finish_queue.front().process_name
<< "\t| " << Finish_queue.front().arrive_time
<< "\t | " << Finish_queue.front().service_time << " \t | " << Finish_queue.front().complete_time
<< "\t | " << round_time[i]
<< "\t | " << force_round_time[i]
<< endl;
Finish_queue.pop();
sum += force_round_time[i];
i++;
}
cout << "\n\n系统平均带权周转时间: " << (sum / i) << endl;
}
int main()
{
cout << "\t\t多级反馈队列调度算法" << endl;
input(N);
run();
print();
return 0;
}


我有一个涉及多台机器、消息队列和事务的问题。因此,例如用户点击网页,点击将消息发送到另一台机器,该机器将付款添加到用户的帐户。每秒可能有数千次点击。事务的所有方面都应该是容错的。我以前从未遇到过这样的事情,但一些阅读表明这是一个众所周知的问题。所以我的问题。我假设安全的方法是使用两阶段提交,但协议(protocol)是阻塞的,所以我不会获得所需的性能,我是否正确?我通常写Ruby,但似乎Redis之类的数据库和Rescue、RabbitMQ等消息队列系统对我的帮助不大——即使我实现某种两阶段提交,如果Redis崩溃,数据也会丢失,因为它本质上只是内存。所有这些让我开始关注erlang和
目录一.加解密算法数字签名对称加密DES(DataEncryptionStandard)3DES(TripleDES)AES(AdvancedEncryptionStandard)RSA加密法DSA(DigitalSignatureAlgorithm)ECC(EllipticCurvesCryptography)非对称加密签名与加密过程非对称加密的应用对称加密与非对称加密的结合二.数字证书图解一.加解密算法加密简单而言就是通过一种算法将明文信息转换成密文信息,信息的的接收方能够通过密钥对密文信息进行解密获得明文信息的过程。根据加解密的密钥是否相同,算法可以分为对称加密、非对称加密、对称加密和非
我有一个将某些事件写入队列的Rails3应用。现在我想在服务器上创建一个服务,每x秒轮询一次队列,并按计划执行其他任务。除了创建ruby脚本并通过cron作业运行它之外,还有其他稳定的替代方案吗? 最佳答案 尽管启动基于Rails的持久任务是一种选择,但您可能希望查看更有序的系统,例如delayed_job或Starling管理您的工作量。我建议不要在cron中运行某些东西,因为启动整个Rails堆栈的开销可能很大。每隔几秒运行一次它是不切实际的,因为Rails上的启动时间通常为5-15秒,具体取决于您的硬件。不过,每天这样做几
1.问题描述使用Python的turtle(海龟绘图)模块提供的函数绘制直线。2.问题分析一幅复杂的图形通常都可以由点、直线、三角形、矩形、平行四边形、圆、椭圆和圆弧等基本图形组成。其中的三角形、矩形、平行四边形又可以由直线组成,而直线又是由两个点确定的。我们使用Python的turtle模块所提供的函数来绘制直线。在使用之前我们先介绍一下turtle模块的相关知识点。turtle模块提供面向对象和面向过程两种形式的海龟绘图基本组件。面向对象的接口类如下:1)TurtleScreen类:定义图形窗口作为绘图海龟的运动场。它的构造器需要一个tkinter.Canvas或ScrolledCanva
我一直在尝试用Ruby实现Luhn算法。我一直在执行以下步骤:该公式根据其包含的校验位验证数字,该校验位通常附加到部分帐号以生成完整帐号。此帐号必须通过以下测试:从最右边的校验位开始向左移动,每第二个数字的值加倍。将乘积的数字(例如,10=1+0=1、14=1+4=5)与原始数字的未加倍数字相加。如果总模10等于0(如果总和以零结尾),则根据Luhn公式该数字有效;否则无效。http://en.wikipedia.org/wiki/Luhn_algorithm这是我想出的:defvalidCreditCard(cardNumber)sum=0nums=cardNumber.to_s.s
下面是我写的一个计算斐波那契数列中的值的方法:deffib(n)ifn==0return0endifn==1return1endifn>=2returnfib(n-1)+(fib(n-2))endend它工作到n=14,但在那之后我收到一条消息说程序响应时间太长(我正在使用repl.it)。有人知道为什么会这样吗? 最佳答案 Naivefibonacci进行了大量的重复计算-在fib(14)fib(4)中计算了很多次。您可以将内存添加到您的算法中以使其更快:deffib(n,memo={})ifn==0||n==1returnnen
为了防止在迁移到生产站点期间出现数据库事务错误,我们遵循了https://github.com/LendingHome/zero_downtime_migrations中列出的建议。(具体由https://robots.thoughtbot.com/how-to-create-postgres-indexes-concurrently-in概述),但在特别大的表上创建索引期间,即使是索引创建的“并发”方法也会锁定表并导致该表上的任何ActiveRecord创建或更新导致各自的事务失败有PG::InFailedSqlTransaction异常。下面是我们运行Rails4.2(使用Acti
我正在尝试为现有队列编写消费者。RabbbitMQ在一个单独的实例中运行,名为“org-queue”的队列已经创建并绑定(bind)到一个交换器。org-queue是一个持久队列,它还有一些额外的属性。现在我需要从这个队列接收消息。我使用下面的代码来获取队列的实例conn=Bunny.newconn.startch=conn.create_channelq=ch.queue("org-queue")它抛出一个错误,指出不同的耐用属性。默认情况下,Bunny似乎使用durable=false。所以我添加了durabletrue作为参数。现在它说明了其他参数之间的区别。我是否需要指定所有参
我需要一个用于大型动态任务集合的调度程序。目前我正在查看resque-scheduler,rufus-scheduler,和clockwork.如果您提供有关选择使用哪一个(或其他替代方案)的建议,我将不胜感激。一些细节:有大量要定期执行的任务(最多100K)。最短执行周期为1h。新任务可能会不时出现。现有任务可能会更改或删除。调度延迟最小化在这里不是关键任务(可扩展性和可持续性最重要)。任务执行不是繁重的操作,可以轻松并行。总结,我需要类似cron的Ruby项目,它可以处理大量动态变化的任务集合。更新:我花了一天时间尝试调度库,现在我想简单总结一下新获得的经验。我已经不再关注Cloc
我正在开发一个类似微论坛的项目,其中一个特殊用户发布一条快速(接近推文大小)的主题消息,订阅者可以用他们自己的类似大小的消息来响应。直截了当,没有任何形式的“挖掘”或投票,只是每个主题消息的响应按时间顺序排列。但预计会有很高的流量。我们想根据它们引起的响应嗡嗡声来标记主题消息,使用0到10的等级。在谷歌上搜索了一段时间的趋势算法和开源社区应用示例,到目前为止已经收集到两个有趣的引用资料,但我还没有完全理解它们:Understandingalgorithmsformeasuringtrends,关于使用基线趋势算法比较维基百科页面浏览量的讨论,在SO上。TheBritneySpearsP